MODELAGEM E SIMULAÇÃO DO FLUXO DE TRÁFEGO

VEICULAR PELO MÉTODO DA TEORIA CINÉTICA PARA UMA

PISTA

Adilandri Mércio Lobeiro

alobeiro@utfpr.edu.br
Universidade Tecnológica Federal do Paraná-Campus Campo Mourão
Caixa Postal 271, CEP 87301-006, BR 369, Km 0,5, Campo Mourão, Paraná
Adriana Luiza do Prado
alprado@ufpr.br
Departamento de Matemática, Universidade Federal do Paraná
Caixa Postal 019081, CEP 81531-990, Curitiba, Paraná
Eloy Kaviski
eloy.dhs@ufpr.br
Departamento de Hidráulica e Saneamento, Universidade Federal do Paraná
Liliana Madalena Gramani Cumin
l.gramani@gmail.com
Departamento de Matemática, Universidade Federal do Paraná
Caixa Postal 019081, CEP 81531-990, Curitiba, Paraná
Marina V. Ferreira
Marina.v.ferreira@hotmail.com
Programa de Pós-Graduação em Métodos Numéricos em Engenharia,UFPr

Abstract. O estudo do fluxo de tráfego veicular é um campo desafiador entre a matemática, a

física e a engenharia. Desenvolver matematicamente este tipo de problema é um meio de
utilizar os modelos adequados para descrever a evolução no tempo e no espaço das
condições de escoamento: fluxo, velocidade e densidade. Os modelos contribuem para a
previsão e controle de condições de escoamento. A literatura sobre este tópico é vasta, por
outro lado, a modelagem existente ainda não representa de forma completamente satisfatória
a descrição do tráfego real. O fluxo de tráfego veicular pode ser observado e representado
em diferentes escalas. Neste trabalho apresenta-se a modelagem matemática do tráfego
veicular em escala cinética para uma pista com condições de contorno periódicas. A equação
integro-diferencial de Botzmann é convertida em um sistema de equações diferenciais
parciais no tempo e no espaço. As soluções numéricas do sistema são obtidas pelo modelo
matemático de velocidades discretas, cujas interações entre os veículos são avaliadas através
de uma tabela de jogos, com soluções numéricas determinadas pelo método dos volumes
finitos. Os resultados obtidos foram comparados com soluções de um modelo computacional
fundamentado no método de simulação direta de Monte Carlo.

Keywords: Tráfego veicular, Modelo cinético, Simulação Monte Carlo.

1. INTRODUÇÃO

A otimização e o controle do fluxo de tráfego veicular ao longo de uma estrada ou redes

de estradas, rodovias ou vias urbanas não é apenas um problema de engenharia, mas também
um campo desafiador nas áreas da matemática e da física. Pesquisar este tipo de problema é
um meio de utilizar os modelos adequados para descrever a evolução no tempo e no espaço
das condições de escoamento: fluxo, velocidade e densidade. Esses modelos contribuem para
a previsão e controle de condições de escoamento. Devido a várias motivações econômicas e
sociais, a literatura sobre este tópico é vasta e caracterizada por contribuições abrangendo
aspectos de modelização, mapa de problemas, análise qualitativa e simulações relacionadas
com as aplicações. Vários livros tratam deste assunto podendo o leitor encontrar uma valiosa
referência da física do tráfego no livro do Kerner (2004), para os modelos cinéticos em
Prigogine e Herman (1971), para os modelos microscópicos e hidrodinâmicos em Leutzbach
(1988), e também em artigos como os de Klar et al.(1996) e de Bellomo et al. (2002).
Por outro lado, a modelagem existente ainda não representa de forma completamente
satisfatória a descrição do tráfego real. O fluxo de tráfego veicular pode ser observado e
representado em diferentes escalas, descritas abaixo:

„ Escala Microscópica, observa os veículos identificados individualmente. Neste caso, a

posição e a velocidade de cada veículo definem o estado do sistema, como variáveis
dependentes do tempo. Os modelos matemáticos nesta escala são baseados na mecânica
newtoniana, representados por equações diferenciais que representam a dinâmica de cada
veículo sob a ação dos veículos ao redor. A solução deste sistema de equações diferenciais
ordinárias fornece a descrição das condições do escoamento na estrada.
„ Escala Macroscópica, representa o estado do sistema por quantidades médias, ou seja,
a densidade, o momento linear e a energia cinética dos veículos consideradas como variáveis
dependentes do tempo e do espaço. A representação matemática, análoga a teoria
hidrodinâmica, é baseada nas leis de conservação e modelos fenomenológicos. As equações
de conservação representam a evolução da densidade e da velocidade como grandezas
macroscópicas através de equações diferenciais parciais não-lineares.
„ Escala Cinética, utilizada quando o estado do sistema ainda é identificado pela posição
e pela velocidade dos veículos, no entanto esta identificação, não se refere a cada veículo,
mas à distribuição de probabilidade adequada ao longo do estado microscópico considerada
como uma variável aleatória. Os modelos descrevem a evolução da função de distribuição por
equações não-lineares íntegro-diferenciais com uma estrutura semelhante a equação de
Boltzmann que descreve a dinâmica de um gás ideal.

Neste artigo apresenta-se a modelagem matemática do tráfego veicular em escala

cinética. A equação íntegro-diferencial de Boltzmann é convertida em um sistema de
equações diferenciais parciais no tempo e no espaço, resultando na modelagem adequada para
representar o problema de simulação do fluxo de tráfego.
O artigo que trata da análise do fluxo de tráfego veicular para uma pista com condições
periódicas, está organizado em mais quatro seções as quais são brevemente descritas abaixo:
- Seção 2 introduz a descrição do fluxo de trafego veicular através de uma estrutura
matemática para o fluxo em uma pista.
- Seção 3 introduz as interações entre os veículos através de uma tabela de jogos que
considera as possíveis mudanças de velocidade dos veículos que estão dentro de uma mesma
zona de visibilidade. Em particular, o modelo computacional de velocidades discretas para o
caso não-espacialmente homogêneo é considerado.
 - Seção 4 apresenta as soluções numéricas do sistema para o problema de uma pista com
condições de contorno periódicas determinadas pelos métodos dos volumes finitos.
- Seção 5 apresenta conceitos básicos do método de simulação direta de Monte Carlo. A
comparação entre esses resultados e a conclusão são apresentadas.

2. A DESCRIÇAO DO FLUXO DE TRÁFEGO PARA UMA PISTA

Nesta seção detalha-se a descrição cinética do fluxo de tráfego veicular ao longo de uma
pista e introduz-se as quantidades fenomenológicas.
Todas as variáveis dependentes que descrevem o fluxo de tráfego são dimensionais e seus
valores normalizados no intervalo [0,1]. Em detalhes, as seguintes quantidades de referências
são introduzidas:

L é o comprimento da pista,
VM é a velocidade máxima e representa a velocidade de um veículo isolado movendo-se
em condições de tráfego livre,
ρ M é a densidade máxima de veículos que a pista suporta.

Com base nas quantidades dimensionais acima, as seguintes variáveis adimensionais são
introduzidas:

x é a posição referida do veículo a L

t é o tempo normalizado representado L VM
v = V VM é a velocidade referida a VM
ρ = ρ ρ M é a densidade de veículos referida as quantidades máximas.

O método da teoria cinética discreta será aplicado na modelagem do fluxo de tráfego

utilizando-se uma discretização da velocidade na forma:
0 = v1 < v2 < v3 < " < vn −1 < vn = 1 , (1)

referindo-se ao domínio Dv = [0,1] . Assume-se que a velocidade é representada por um

número finito de classes. O modelo das velocidades discretas para o fluxo de veículos com
mesma probabilidade de acontecerem é proposto por Coscia et al.(2007) e Delitala e Tosin
(2007), ou seja, os veículos que trafegam ao longo da pista tendem a se moverem em grupos
com velocidade discreta. Coscia (2007) admite que as velocidades destes grupos vi ,
dependem das condições medias locais do tráfego via densidade macroscópica ρ . Delitala e
i
Tosin (2007) sugerem que seja fixado uma grade da velocidade com n partições, vi = , onde
n
os valores de vi são constantes com relação ao tempo e ao espaço, em particular, isto significa
que globalmente o conjunto de velocidades poderá ser obtido sem a influência das condições
de tráfego. Com base nesta hipótese a evolução no tempo e no espaço do fluxo de tráfego em
uma pista é representada pela função de distribuição f como uma combinação linear de n
funções delta de Dirac na variável v , como segue:
n
f ( x, t , v) = ∑ fi ( x, t ) δ vi (v), (2)
i =1
onde fi , i = 1, 2,.., n denota o número de veículos com velocidade vi .
As quantidades macroscópicas, tais como a densidade e o fluxo, são funções derivadas da
função de distribuição f , representadas por:

(i) a densidade de veículos

n
ρ ( x, t ) = ∑ fi ( x, t ), com ρ ∈ [0,1] , (3)
i =1

(ii) o fluxo de veículos

n
q ( x, t ) = ∑ vi fi ( x, t ), com q < 1 . (4)
i =1

Conhecendo-se a densidade e o fluxo, ρ e q , outras importantes quantidades

macroscópicas são calculadas:

(iii) a velocidade média

n
q ( x, t ) 1
u ( x, t ) = = ∑ v f ( x, t ) ,
ρ ( x, t ) ρ ( x, t ) i =1 i i
(5)

(iv) a variância da velocidade

n
1
θ ( x, t ) = ∑ (v − u( x, t ))2 fi ( x, t ) ,
ρ ( x, t ) i =1 i
(6)

onde a quantidade ρθ é algumas vezes identificada como a pressão do tráfego conforme

proposto em (Klar et al., 1996), (Aw e Rascle, 2000) e (Witham, 1974).

3. AS EQUAÇÕES DE EVOLUÇÃO E A TABELA DE JOGOS

Nesta seção o fluxo de tráfego veicular é descrito, em geral, pela equação de evolução
representada por:
∂fi ∂f
+ vi i = Gi − Li , i = 1, 2,..., n , (7)
∂t ∂x
onde Gi e Li são respectivamente os termos de ganhos e de perdas do número de veículos
com velocidade vi depois da interação com um veículo com uma velocidade diferente. As
equações diferenciais parciais do sistema (7) para as funções de distribuição
fi ( x, t ), i = 1,..., n são compostas por quatro termos, denominados: taxa de variação temporal
 ∂f i   ∂fi 
 ∂t  , transporte convectivo  vi ∂x  e termos de ganhos ( Gi ) e de perdas ( Li ) , sendo que a
   
diferença entre os termos de ganhos e perdas denomina-se de termo de fontes.
Essas interações são distribuídas sobre uma zona de visibilidade com comprimento
característico ξ > 0 , ou seja, um veículo localizado em uma posição x é supostamente afetado
por outros veículos que encontram-se dentro desta zona de visibilidade. Três categorias de
veículos são considerados:
 (i) o veículo candidato ( vh ): é a velocidade do veículo que após uma interação com um
veículo de mesma velocidade ou velocidade diferente poderá ou não alterar a sua velocidade
final.
(ii) o veículo campo ( vk ): é a velocidade do veículo com o qual o veículo candidato
interage.
(iii) o veículo teste ( vi ): é a velocidade do veículo após a interação do veículo candidato
com o veículo campo.

Considerando o trabalho de Delitala e Tosin (2007) a estrutura matemática para o caso

não-espacialmente homogêneo é:
∂fi ∂f n n n
+ vi i = ∑∑η hk [ ρ ] Ahki f h (t , x) f k (t , x) − fi (t , x)∑ηhk [ ρ ] f k (t , x) . (8)
∂t ∂x h =1 k =1 k =1

Este modelo é caracterizado pelas seguintes quantidades:

ƒ η hk [ ρ ] é a razão de interação, o qual representa o número de interações por unidade de

tempo entre os veículos com velocidade vh e vk . As interações são distribuídas sob um
comprimento caracteristico ξ > 0 , o qual é interpretado como a zona de visibilidade,
entretanto supõe-se que as interações ocorrem com maior ou menor frequência de acordo com
o comprimento desta zona de visibilidade. Espacialmente, η hk é estimado via a quantidade
(1 − ρ ) , como segue:
c0
ηhk [ ρ ] = , (9)
1− ρ
onde c0 é uma constante.
ƒ Ahki define a densidade de probabilidade que o veículo candidato com velocidade vh
ajusta a sua velocidade para vi depois de interagir com um veículo trafegando com
velocidade vk . Ahki depende da densidade local:
n
Ahki [ ρ ] ≥ 0, ∑A
i =1
i
hk [ ρ ] = 1, ∀h, k = 1,..., n, para todo ρ , (10)

Delitala e Tosin (2007) sugerem que Ahki [ ρ ] é modelado por uma tabela de jogos com o
parâmetro fenomenológico α ∈ [0,1] que representa as condições da estrada, sendo α = 0 a
pior estrada. Esta tabela considera três casos:

• Interação com um veículo mais rápido (vh < vk ) , quando o veículo candidato encontra
um veículo campo mais rápido e o veículo candidato ou mantém sua velocidade corrente ou
possivelmente acelera, dependendo do espaço livre a frente.
• Interação com um veículo mais lento (vh > vk ) , quando o veículo candidato encontra
um veiculo campo mais lento e supoe-se que não acelerando a probabilidade de passar
depende do tráfego local.
Estes dois casos são representados por:
   se vi = vh para vh < vk ,
 
1 − α (1 − ρ ),  ou
 se v = v para v > v ,
 i k h k

 se vi = vh + 1, (vh , vk = 1,.., n) para vh < vk ,
 
Ahk [ ρ ] =  α (1 − ρ )
i
 ou , (11)
  se v = v , (v , v = 1,..., n) para v > v ,
  i h h k h k

 0 caso contrário




• Interação com um veículo com velocidade igual (vh = vk ) , quando o veículo candidato
e o veículo campo estão viajando a mesma velocidade. O efeito desta interação é modelado
por:
 1 − α (1 − ρ ) se vi = 1
 para (vh = 1) 
  α (1 − ρ ) se vi = 2
  αρ se vi = vh − 1
 
para (vh = 2,..., n − 1)  1 − α se vi = vh
Ahki [ ρ ] =  α (1 − ρ ) se v = v + 1 , (12)
  i h
  αρ se vi = n − 1
 para (vh = n) 
 1 − αρ se vi = n

 0 caso contrário

Considerando a estrutura (8) e a densidade de probabilidade Ahki modelado pela tabela de

jogos acima, a solução numérica é obtida pelo método dos volumes finitos.

4. INTRODUÇÃO AO MÉTODO DOS VOLUMES FINITOS

Neste trabalho, um problema de condição inicial com condições de contorno periódicas,

modelado pelo sistema de equações (7) foi solucionado numericamente pelo Método dos
Volumes Finitos (MVF). A idéia básica desta técnica consiste na divisão do domínio
(comprimento da estrada) em um número de pequenos volumes de controle não-superpostos,
e com eles proceder a discretização das equações através de integração sobre cada volume
finito, de modo a obter um sistema de equações algébricas que represente o fenômeno em
análise. Essas equações algébricas são resolvidas conjuntamente com as especificações das
condições iniciais e de contornos do domínio (Yu et al., 1999).
O algoritmo usado para resolver o problema analisado neste trabalho está apresentado na
figura 1. Este algoritmo foi preparado com um MVF de alta resolução com limitador de fluxo
numérico "superbee" de Roe, conforme descrito em (Leveque, 1990). Estes recursos conferem
uma maior precisão nos resultados em relação à precisão obtida com os métodos de segunda
ordem.

Tabela 1. Descrição do método dos volumes finitos utilizado

 Volumes Finitos

(i) λ = ∆t < CFL

Definições ∆x
fi ( x, t ) = fi ( j∆x, k ∆t ) = fijk ; i = 1," , N ; j = −1," , m + 1, m = L
(ii) ∆x
k = 0,1, 2,"
Condições iniciais (i) f devem ser conhecidas para i = 1," n; j = 1," , m
0
ij

Condições de contorno (i) fi ,k−1 = fi ,km −1 , f i ,0k = f i ,km e f i ,km +1 = fi ,1k

periódicas

Solução pelo método dos volumes finitos

fijk +1 = fi ,kj − λΦ i , j + ∆tSij para i = 1," , n e j = 1," , m

Φ i , j representa o transporte convectivo

  
 1 − λ vi  d1 d2  
Φi , j = vi d 2 +  − 
 2  φ  d 2  φ  d3   
   d1   d 2   

com d1 = f ijk+1 − fij ; d 2 = fijk − f ijk−1 e d3 = fijk−1 − fijk− 2

φ (θ ) = max [ 0, min(1, 2θ ), min(2,θ ) ]

Si , j representa a diferença entre os termos de ganhos e perdas

No algoritmo apresentado na tabela 1, os índices da função de distribuição

f , k = 1, 2,3,...., i = 1,..., n e j = 0,..., m ; representam: k, valores do instante de tempo; i
k
i, j

representa a velocidade discreta vi e j a posição discretizada na estrada. Fixando-se m

L
(número de intervalos de discretização do comprimento da estrada), define-se dx = , sendo
m
dt
L o comprimento da estrada. O valor de λ = deve ser determinado de forma que seja
dx
respeitada a condição de Courant, Friedrichs e Lewy (CFL), para garantir estabilidade nas
soluções. Deve-se respeitar a condição λ < CFL , sendo CFL um valor inversamente
proporcional a velocidade máxima do tráfego veicular. O Si , j “fontes” do algoritmo da figura
1 tem por objetivo determinar o termo à direita da equação (8), cuja expressão apresenta-se no
item anterior na equação (9). Com a função Φ i , j estima-se o termo do transporte convectivo,
sendo que a função φ é usada para calcular o limitador de alta resolução "superbee" de Roe.
O procedimento MVF é usado para aplicar o algoritmo do método dos volumes finitos para
solucionar o problema de valor inicial com condições de contorno periódicas. A expressão
usada para obter às soluções para o próximo instante de tempo, pelo MVF implementado, são
semelhantes às usadas em esquemas de diferenças finitas explícitos.
5. SIMULAÇÃO NUMÉRICA MONTE CARLO

A forma mais utilizada do método de Monte Carlo para análise de problemas de

mecânica estatística fora de equilíbrio é realizada através de simulação direta (DSMC –
Direct Simulation Monte Carlo). A simulação direta de problemas probabilísticos é a forma
mais simples do uso do método de Monte Carlo. Possui pouco interesse teórico devido a sua
simplicidade, mas continua sendo uma das principais formas práticas de simulação,
permitindo solucionar vários problemas de pesquisa operacional. O método de simulação
direta é caracterizado por ser facilmente projetado e por possuir uma estrutura que geralmente
considera um grande número de apropriados detalhes microscópicos do sistema dinâmico
analisado. Este método tem grande aplicabilidade para realizar comprovações quantitativas de
teorias matemáticas qualitativas usadas na solução de problemas físicos (Hammersley e
Handscomb, 1979).
O método de Monte Carlo de simulação direta (DSMC) tem sido extensivamente usado
no estudo do movimento de gases rarefeitos desde o início dos anos 70 (Bird, 1970). Desde
então, centenas de trabalhos foram publicados, apresentando soluções obtidas com o método
DSMC para os mais diversos problemas de dinâmica molecular de gases. O uso do método
DSMC é similar ao método de dinâmica molecular no cálculo de trajetórias de um grande
número de partículas, estimando-se as quantidades macroscópicas das propriedades das
partículas por amostragem, tendo a vantagem de ser mais eficiente computacionalmente. O
método DSMC difere do procedimento de dinâmica molecular na forma em que as interações
entre as partículas são tratadas. O local e o instante de ocorrência das colisões não são
lentamente determinadas pela comparação da trajetória de todas as partículas, mas usando-se
considerações estatísticas (Meiburg, 1986).
As dificuldades encontradas com os métodos de solução direta da equação de Boltzmann
podem ser contornadas com a realização de simulações físicas do sistema considerado. O
método de dinâmica molecular (MD) emprega procedimentos determinísticos para simular o
movimento molecular, incluindo colisões intermoleculares e interações com os contornos do
sistema. A maior dificuldade encontrada com o uso deste método está relacionada com o
número de moléculas, que não é um parâmetro livre, para um problema em que o tamanho
molecular, a geometria do sistema, e a densidade do gás são fixos (Bird, 1994).
Os métodos de simulação estocásticos em geral são os meios mais utilizados para
encontrar soluções para problemas que podem ser representados pela equação de Boltzmann.
Os princípios gerais, de qualquer método de simulação, consistem em construir um processo
estocástico para um sistema real de N partículas (~ 1023 ), por meio de um conjunto de
partículas simuladas (~ 106 ), cuja distribuição no tempo seja comparável com a solução da
equação de Boltzmann (N tende para infinito).
Considerando-se condições de contorno apropriadas, as soluções numéricas que são
determinadas através do método DSMC são obtidas dividindo-se o espaço do sistema
analisado num número finito de células, em que partículas simulando as moléculas, são
locadas de acordo com as condições iniciais do sistema analisado. As coordenadas da posição,
velocidade de translação e energia interna são armazenadas no computador para cada
partícula. O número de moléculas reais representada por uma partícula é definido em função
do número total de moléculas que faz parte do escoamento e da capacidade de
armazenamento do computador. O movimento molecular é simulado sucessivamente em
intervalos de tempo incrementais por meio de um esquema de diferenças finitas em que o
movimento e as colisões são desacopladas em duas equações diferenciais parciais. Usando-se
hipóteses probabilísticas as contribuições colisionais são avaliadas dentro de cada célula
separadamente, ignorando-se a distribuição espacial e a presença de outras células.
Wagner (1992) demonstrou por meio de argumentos teóricos que a aplicação do método
DSMC para simulação do movimento de gases monatômicos, segundo o algoritmo de Bird,
converge para a equação de Boltzmann. Previamente, Bird (1970), tinha mostrado sem uma
fundamentação teórica mais acurada, que os resultados obtidos pelo método de simulação
constituem uma solução numérica exata da equação de Boltzmann. Bird (1970) concluiu
também que os resultados obtidos em simulações pelo método DSMC de gases compostos por
moléculas com graus de liberdade internos também são relacionados diretamente com a
equação de Boltzmann.
Neste trabalho, o método DSMC foi aplicado para modelar um fluxo de tráfego veicular
não-espacialmente homogêno com condições de contorno periódicas. A modelagem pelo
DSMC foi realizada usando-se a analogia que existe com os problemas da teoria cinética dos
gases modelados pela equação de Boltzmann (Waldeer, 2003).
O modelo DSMC pode ser implementado computacionalmente considerando-se:
(a) A definição de procedimentos para simular nsim vezes o movimento e as interações entre
os veículos, durante o tempo total taf, em cada intervalo de tempo dt. Estas simulações são
realizadas com o objetivo de determinar a variável nva(i,k), que representa o número de
veículos acumulados em cada célula i no intervalo de tempo k (t=k*dt). Após a realização de
todas as nsim simulações estima-se a densidade do número de veículos em cada célula i e no
intervalo de tempo k (por unidade de comprimento da estrada), usando-se a expressão:
ro(i,k)=nva(i,k)/(dx*nsim).

(b) Em cada simulação devem ser iniciadas as variáveis, para o primeiro instante de tempo
(k=0): nv(i) - número de veículos por célula, definido em função da condição inicial; x(i,j,0) -
posição do veículo j na célula i, x(i,j,0)=u*dx, sendo u~U[0,1]; v(i,j,0) - velocidade do
veículo j da célula i, v(i,j,0)=vmin+s*(vmax-vmin), sendo s~U[0,1].

(c) Considera-se que durante o intervalo de tempo dt os veículos se deslocam através de um

movimento uniforme. A posição de cada veículo j, da célula i, no instante k+1 é determinada
pela expressão: x1=x(i,j,k)+v(i,j,k)*dt. Se x1<dx então o veículo permanece na célula i
senão deve-se determinar a nova célula i1, para a qual o veículo j, da célula i, foi deslocado.
Desta forma define-se a posição do veículo j na célula i e no instante k+1, fazendo-se
x(i,j,k+1)=x1. Após serem realizados todos os movimentos deve-se redefinir o número de
veículos que encontram-se em cada célula i.

(d) Após serem simulados os movimentos de cada veículo, consideram-se que as velocidades
de cada veículo podem se modificadas, através da interação entre os mesmos. Através deste
procedimento simulam-se as interações que podem ocorrer entre dois veículos, analisando-se
sucessivamente cada um dos veículos verifica-se qual veículo encontra-se na sua frente.
Considerando-se um modelo de tabela de jogos (item 3 deste trabalho) define-se a situação de
cada par de veículos. Considerando-se as velocidades e posição de cada veículo, analisa-se
a interação de um veículo com o próximo veículo que encontra-se na sua frente, e assim
sucessivamente, até que o intervalo de tempo (dt) seja satisfeito. Internamente, o
procedimento de interação, necessita de um procedimento de ordenação para classificar os
veículos em função da posição em que estão localizados, em cada célula e em cada instante de
tempo. Podem ser considerados os passos apresentados na Tabela 2.

Tabela 2. Algoritmo do modelo DMSC

(i) sortea-se aleatoriamente a primeira célula em que realiza-se a análise da interação; as
demais células são avaliadas sequencialmente, a partir desta;
(ii) para cada célula i em análise, define-se: p=α*ro(i)/romax e q=1-α+p, sendo α o
parâmetro considerado na tabela de jogos;
(iii) a partir do veículo (h) com menor posicionamento dentro da célula e o mais próximo (j),
localizado na sua frente, determina-se o valor da velocidade relativa entre os mesmos,
verificando-se a possibilidade de ocorrer alterações de velocidades; os passos (iv)-(vii)
devem ser repetidos enquanto existirem veículos que possam ser alcançados pelo veículo h, e
enquanto rdt>0; rdt é um resíduo do intervalo de tempo existente entre possibilidades de
ultrapassagens;
(iv) sendo x(i,h,k) < x(i1,j,k), define-se: r~U[0,1], xh=x(i,h,k), xj=dx*(i1-i), rdt=dt,
e vr=v(i1,j,k)-v(i,h,k);
(v) se vr>pdv
então se r>q
então v1=v(i,h,k)+dv
senão v1=v(i,h,k)
senão se -vr>pdv
então se r<=q
então v1=v(i1,j,k)
senão v1=v(i,h,k)
senão se r<=p
então v1=v(i,h,k)-dv
senão se r>q
então v1=v(i,h,k)+dv
senão v1=v(i,h,k);
(vi) se v1<dv
então v1=dv
senão se v1>vmax
então v1=vmax;
(vii) calcular: xh1=xh+v*rdt e xj1=xj+x(i1,j,k)+v(i1,j,k)*rdt,
rdt=rdt-(xj1-xh)/v1, xh=xj1 e v(i,h,k)=(xh-x(i,h,k))/(dt-rdt);

Para aplicar o modelo DSMC com o algoritmo apresentado na tabela 2 devem ser
definidos:
• comprimento da estrada (ce),
• número de células (nx),
• comprimento das células (dx=ce/nx),
• intervalo de discretização no tempo (dt),
• velocidade mínima (vmin),
• velocidade máxima (vmax),
• intervalo de precisão da velocidade para realizaçao de comparações entre as
velocidades de dois veículos (pdv)
• a condição inicial com as densidades médias de número de veículos por células (ro),
• número de simulações (nsim),
• densidade máxima (romax) e
• tempo total de análise (taf)
• intervalo entre níveis de velocidade (dv)
6. SIMULAÇÃO NUMÉRICA E RESULTADOS GRÁFICOS

A simulação numérica foi aplicada para uma pista com condições de contorno periódicas
adotando-se como parâmetro fenomenológico α =1 (estrada ótima), o valor de densidade
máxima ρ = 1 , o tempo total de simulação é 25 e comprimento máximo da estrada x = 1 . Os
resultados foram testados para dois valores da zona de visibilidade.
Atribuindo-se uma densidade inicial de ρ = 0, 46 adota-se a seguinte distribuição inicial
(t=0) de veículos ao longo da estrada:
ρ01 (t = 0) = 0, 02 para 0 ≤ x < 0.6
ρ02 (t = 0) = 0,18 para 0.6 ≤ x < 0.7
ρ03 (t=0)= 0,16 para 0.7 ≤ x < 0.8 , (13)
ρ04 (t=0)= 0,08 para 0.8 ≤ x < 0.9
ρ 05 (t=0)= 0,02 para 0.9 ≤ x ≤ 1.
ou seja, inicialmente 2% dos veículos encontra-se na posição entre [0,0.6), 18% dos
veículos entre [0.6,0.7), 16% dos veículos entre [0.7,0.8), 8% dos veículos entre [0.8,0.9) e
2% dos veículos entre [0.9,1].
Para a zona de visibilidade utilizou-se os valores de ξ = 0, 05 e ξ = 0, 0025 . As
interações ocorrem com maior ou menor freqüência de acordo com menor ou maior zona de
visibilidade.
Os resultados obtidos pela simulação numérica utilizando o modelo matemático de
velocidades discretas cujas interações entre os veículos são avaliadas através da tabela de
jogos (eqs. 12 e 13) e as soluções numéricas são determinadas pelo método dos volumes
finitos são apresentados nas figuras abaixo para ξ = 0, 05 e ξ = 0, 0025 , respectivamente.

Figura 3. Velocidade versus Densidade (para valores de ξ =0,05) usando velocidades

discretas e MVF
 Figura 4. Velocidade versus Densidade (para valores de ξ =0,0025) usando velocidades
discretas e MVF

Nas figuras 3 e 4 o tempo t=0 representa a condição inicial da densidade dos veículos na
estrada. O tempo total de simulação foi 25 sendo considerados 9 tempos para representação
gráfica pois a partir de t=10 o sistema para ξ = 0, 05 tende ao equilíbrio. Embora para
ξ = 0, 0025 o tempo de tendência ao equilíbrio é posterior a t=10, manteve-se na figura 4 os
mesmos tempos da figura 3 com objetivo de comparar estes resultados aos obtidos pelo
método de Monte Carlo.

Figura 5. Velocidade versus Densidade (para valores de ξ =0,0025) usando o DSMC

Na Figura 5 tem-se a representação da condição inicial para a densidade e o seu

comportamento para 9 tempos. Constatou-se que esta sistema entra em equilíbrio para um
tempo superior a t=10 entretanto adotou-se os tempos iguais a t=0.2;1,2;3;4;5;7 e 10 com
objetivo de comparar estes resultados com os resultados obtidos pelo MVF.

7. CONCLUSÕES

Neste artigo desenvolveu-se o modelo cinético das velocidades discretas cujas interações
entre os veículos foram representadas por uma tabela de jogos e as soluções numéricas
determinadas pelo método dos volumes finitos (MVF) e comparadas com as soluções do
modelo computacional fundamentado no método de simulação direta de Monte Carlo
(DSMC). Considerou-se o estudo do fluxo de tráfego de veicular para uma pista com
condições de contorno periódicas.
As maiores diferenças existentes entre as soluções obtidas com o modelo de simulação
direta de Monte Carlo (DSMC) e pelo método dos volumes finitos (MVF), encontram-se nos
seguintes pontos:
(i) nas distribuições de velocidades, que pelo DSMC são distribuídas uniformemente
entre vmin e vmax, e com MVF as velocidades são discretas;
(ii) na amplitude espacial das interações entre os veículos, que pelo modelo DSMC é
variável e depende da posição relativa dos veículos e velocidades, e pelo MVF é um
comprimento constante.
Os resultados obtidos demonstram que quanto menor for a zona de visibilidade, maior é o
número de interações, acarretando em um maior tempo de simulação para o sistema entrar em
equilíbrio.
Observa-se que na figura 4 a onda de choque vai para trás até o tempo t=5 e a partir deste
tempo, a onda se desloca para frente. Isto também ocorre na figura 5 usando o método de
Monte Carlo.
Para comparar os resultados obtidos pelo modelo DSMC e pelo MVF, foram analizados
dois valores para a zona de visibilidade, ξ=0,05 e ξ=0,0025. Deve-se salientar que a zona
menor acarreta um maior número de iterações. O método MVF para a ξ=0,05 fornece
densidades com comportamentos semelhantes para diversos tempos entre 0 e 25. Isto também
é observado para a zona de visibilidade ξ=0,0025, entretanto para a zona de visibilidade
menor observa-se que a onda de choque tem uma amplitude menor para tempos entre 0 e 5
atingindo o equilíbrio mais rapidamente, menor do que 9 tempos. Desta forma, podemos
afirmar que o método MVF converge mais rapidamente ao equilíbrio do sistema para uma
zona de visibilidade menor.
Testando a zona de visibilidade menor ξ=0,0025 para um outro método de resolução,
DSMC, obtemos para o tempo 0.2 uma melhor representação da densidade do que aquela
apresentada pelo método MVF. O método DSMC representa melhor o comportamento do
tráfego real atingindo o equilíbrio em um tempo posterior ao do MVF, ou seja, posterior a 9
tempos.
Ambos os métodos MVF e DSMC foram utilizados para análise do fluxo em um pista
para o caso não-espacialmente homogêneo. Comparando estes dois métodos, o MVF
converge mais rapidamente, além de apresentar um menor tempo de execução do que o
DSMC. Quanto a simplicidade de elaboração, o MVF é o mais simples pois representar as
iterações e todas as suas considerações no DMSC não é tão óbvio.
Concluiu-se que existe uma similaridade entre os resultados obtidos pelo modelo
matemático e pelo modelo computacional, cuja inter-relação é caracterizada pela distância da
zona de visibilidade.
REFERÊNCIAS
Aw A. and Rascle M., “Ressurrection of ‘second order’ models of traffic flow”, SIAM J.
Appl. Math,60, 916-938, (2000).
Bellomo N., Delitala M. and Coscia V., “On the mathematical theory of vehicular traffic flow
I – fluid dynamic and kinetic modeling”, Mathematical Models and Methods in Applied
Sciences, 12, 1801-1843, (2002).
Bird, G.A. Direct simulation and the Boltzmann equation, Phys. Fluids 13 (11), 2676 (1970).
Bird, G.A. Molecular Gas Dynamics and the Direct Simulation of Gas Flows. Clarendon
Press, Oxford, 1994.
Coscia V., Delitala M. and Frasca P., “On the mathematical theory of vehicular traffic
flow models II. Discrete velocity kinetic models”, International Journal Non-linear
Mechanics, 42, 411-421, (2007).
Delitala M. and Tosin A., “Mathematical modeling of vehicular traffic: a discrete kinetic
theory approach”, Mathematical Models and Methods in Applied Sciences, vol 17, no.
6, 901-932, (2007)
Hammersley, J.M., Handscomb, D.C. Monte Carlo Methods, Chapman and Hall, 1979.
Kerner B.S., The Physics of Traffic, Springe, New York, (2004).
Klar A., Küne R. and Wegener R., “Mathematical models for vehicular traffic”, Surveys
Mathematical Industry, 6, 215-239, (1996)
Leutzbach, W., Introduction to the Theory of Traffic Flow, Springer, New York, (1988).
Leveque R.J, “Numerical Methods for Conservation Laws”, Lectures in Mathematics
ETH Zürich. Birkäuser Verlar, (1990).
Meiburg, E. Comparison of the molecular dynamics method and the direct simulation Monte
Carlo technique for flows around simple geometries, Phys. Fluids 29 (10), 3107 (1986).
Prigogine, I. and Herman, R., Kinetic Theory of Vehicular Traffic, Elsevier, New York,
(1971).
Wagner, W. A convergence proof for Bird's direct simulation Monte Carlo method for the
Boltzmann equation, J. Statist. Physics 66 (3/4), 1011 (1992).
Waldeer, K.T. The direct simulation Monte Carlo method applied to a Boltzmann-like
vehicular traffic flow model, Comput. Phys. Commun., Vol. 156, 1, (2003).
Witham G. B., Linear and Nonlinear Waves, Wiley-Interscience, (1974).
Yu L., Righetto A.M, Martins R.P, Rosman P.C.C and Eiger S., Métodos Numéricos em
Recursos Hídricos 4, ABRH, Rio de Janeiro, (1999).